发明内容:
针对鉴于上述现有天线子阵列选择方法MIMO***在60GHz、高速、大规模多天线应用背景下***中的不足,特别是天线子阵列的优化算法依赖精确的信道估计结果否则难于获得较好的性能,本发明旨在公开一种自适应天线选择的MIMO***及其应用方法,该MIMO***所采用的了迭代反馈的结构,利用60GHz信道的特点,根据接收端包含噪声的标量输出而不是在无需精确的信道估计的条件下,利用60GHz信道的特点,从数目较大的天线集合中快速的选取一个最优的天线子集,将其与射频链路连接后采用波束成型的方法进行高速的数据传输,使得所选天线子阵列对应的子信道在所定义的目标函数意义下是最优的。
本发明要解决的技术问题是提供一种工作在60GHz信道条件下的大规模MIMO天线阵列***及其天线子阵列的快速自适应优化方法和信号处理方法,解决现有MIMO***在上述应用背景下天线优化选择效率较低的问题,从而有效降低MIMO***的功耗和成本,提高***的鲁棒性的快速天线选择问题。本发明包括发射机、接收机和无线信道模型。
所述发射机(按信号流向)包含信源模块、发端基带处理模块(包含编码、交织、加扰、调制等)、发端波束成型器(乘法器)、多个并行的发端射频链路(包含上变频器、低噪放大器、线性滤波器等)、发端天线阵列及其转接器、天线子阵列选择发端子模块。所述天线子阵列发端子模块包含天线索引管理器以及开关控制器。
所述接收机(按信号流向)包含接收天线阵列及其转接器、收端射频链路(包含变频器、滤波器等)、收端波束成型器(乘法器)、收端基带处理模块(包含解调、解扰、解交织、解码等)、收端合路器(加法器)、信宿以及天线子阵列选择收端子模块。所述天线子阵列收端子模块包含天线索引管理器和开关控制器模块、目标函数估算逻辑以及迭代更新控制模块等。
所述无线信道为60GHz无线信道,其特征为一般具有较强的视距(line of sight,LOS)分量,通常数学模型用行列数等于收发天线的随机矩阵H表示,其元素均为服从Rice分布的随机变量。除此之外,在收发射机之间存在一条低速率、可靠的反馈链路,用于指导发端更新选择结果。
所述发(收)端波束成型器利用多副天线将信号投影到由波束成型权值所构成的子空间中进行传输,减小了多路信号间的干扰,获得了阵列(波束成型)增益。
在所述发(收)信机处,至少具有一个射频链路模块(包含混频器、低噪放大器、滤波器等)。
所述收端合路器将各个接收天线所接收的信号按照收端波束成型权值加权求和后输出。
所述MIMO***具有Nt个发射天线和Nr个接收天线,这里Nt和Nr均较大。在发射机和接收机中分别有nt和nr个可用的射频链路,且nt≤Nt,nr≤Nr。
所述MIMO***交替的工作在两个不同的过程,即过程一,收发天线子阵列选择过程,具有N
t个发射天线和N
r个接收天线,这里N
t和N
r均较大,如32个。除此之外,在发射机和接收机中分别有n
t和n
r个可用的射频链路(n
t≤N
t,n
r≤N
r)。所述天线子阵列选择子模块完成的功能是从
个可能的天线组合中选择出一种组合,使得这个天线子阵列所对应的无线子信道在所定义的目标函数的意义下是最优的。过程二,数据传输过程,数据信息通过基带处理模块后经波束成型器处理,再经过射频链路和过程一中所选择的天线阵元发射出去并被接收机接收,完成一次数据传输。
为了解决上述技术问题,本发明还提供了所述MIMO***中的自适应天线子阵列选择的信号处理方法,所述方法包括以下步骤:
(1)***进入天线子阵列选择过程(即过程一),天线索引管理器随机生成一组不重复的天线索引序列子集ω
(0);将这一天线子集作为初始的当前天线子阵列ω=ω
(0)和已选天线子阵列
并初始化迭代更新控制器中的概率估计向量
(2)采样、估算和迭代过程:将每个迭代过程分解为n
t+n
r个子迭代过程;在第k个子迭代中,天线索引管理器将当前天线子集中的第k个元素用一个新的随机的天线索引替代,获得一个仅有第k个元素与当前天线子集不同的新的天线子集
发射训练序列(如全1序列)并由目标函数估算逻辑模块中估算两个天线子集ω
(n)和
所对应的目标函数φ(ω
(n))和
(3)自适应滤波过程。首先比较φ(ω
(n))和
的大小,并将较大者定为下一次迭代的当前天线子阵列,即
其次,检查其在概率估计向量π中是否已有记录,如果没有记录则需要为其追加一条记录π=[π (ω(n+1),0)T];接着对当前的概率估计矢量中的记录做自适应滤波处理:
π(n+1)=[1-μ(n+1)]π(n)
π(n+1)(ω)=π(n+1)(ω)+μ(n+1)
式中,π(n+1)表示π(n)更新一次之后的概率矢量;π(n)(ω)表示天线子集ω在概率矢量中的记录;μ(n)=1/n是自适应过程的遗忘因子,随迭代次数增加而变小,反映一次更新的强度;
(4)选择和迭代更新过程:在每次迭代过程的最后,根据更新过后的概率估计矢量,从中选择一个概率估计值最大的天线子集作为本次迭代的已选天线子集,即这一结果将由迭代更新控制器通过反馈链路通知发端天线索引管理器更新当前与射频链路连接的天线索引信息。按照同样的方式,收端天线索引管理器通过内部通道获得该信息执行索引更新。
(5)子迭代继续,直到k>nt+nr;
(6)如果收敛条件满足则迭代过程结束,否则将转入下一个迭代过程。
假设信道矩阵为H,某个天线子集的优化目标函数定义为HHH的主特征值,即λ1(HHH),它等价于信道矩阵的主奇异值,(·)H为共轭转置。所述步骤(2)是指:
(a)为天线子集ω估算目标函数:信源输入训练序列并通过天线子集ω中的天线阵元发射,经过对应的无线信道Hω,后经收端波束成型权系数加权合并后可以得到对应于第k个发射天线的输出信号其中hk为第k个发射天线到接收天线阵列的无线信道;v(k)为加性高斯白噪声;
(b)为了消除噪声的影响,独立的重复执行M次步骤a),得到y(m)(k),1≤k≤nt,1≤m≤M;并进一步做如下平滑处理
按下式得到天线子集ω的目标函数估算值
如上所述的目标函数估算逻辑的实现无需精确的信道估计,很大程度上降低了***的复杂度和实现成本。
所述***的天线选择过程结束时得到一组最优的天线子阵列,将其与射频链路相连接进行构成一优化的MIMO***。在准静态信道的假设下,***可进入过程二,即利用波束成型技术技术进行高速数据传输。若信道发生变化,***可再次进入过程二为数据传输选择最优的天线子阵列。
具体实施方式:
下面结合附图对本发明做进一步详细描述:
参见图1、2、3、4,本发明所公开的MIMO天线选择模块采用序贯模式的随机逼近优化算法对60GHz大规模天线阵列***的收发端天线子阵列进行快速的优化选择进而有效的降低***实现的复杂度和成本。为了最大化MIMO***的波束成型增益,所述方法中所涉及的优化目标函数定义为天线阵列对应的子信道矩阵主奇异值。所涉及天线选择的目标函数并不是通过信道估计的结果推算得到,而是利用60GHz信道具有较强视距分量这一特点,通过接收到的标量输出信号估算信道矩阵的盖尔圆盘右边界的下界来有效得到目标函数的估计。
下面结合图示对本发明所述的自适应MIMO天线子阵列选择模块的实现方法进行详细说明。
图1为本发明所述基于波束成型技术的MIMO***和天线子阵列自适应选择的结构示意图。
以单用户为例,收发两端分别具有Nr=10和Nt=32个阵元的天线阵列。nr和nt分别是收发两端可用的射频链路个数,且nt≤Nt,nr≤Nr。天线子阵列选择模块就是要从32个发射天线选出nt个并且从10个接收天线中选出nr个组成天线子阵列用于数据传输,使得该组合在所有的组合中具有最优的目标函数值。为了表述的方便,仅以发射天线的自适应选择为例说明,即nt=10;nr=10=Nr。应该理解到,若仅考虑接收天线或同时考虑收发天线的自适应选择为所述方法的自然延伸,亦在该发明的保护范围之内。
总体来说,位于发射机和接收机的天线选择子模块按照选择算法的指令,由天线索引管理器和开关控制器将信源输入的训练序列连接至所选择的发射天线阵元发射,并通过无线信道后由接收天线接收合并后输出标量信号后再次通入天线选择子模块进行估算和判断后输出迭代更新控制信息,接下来根据这一信息,收发两端的天线索引管理器作出相应的更新动作。直到天线子阵列选择过程结束(程序流程如图2图3所示)。具体来说,如下所述:
a)***进入天线子阵列选择过程,设置发端波束成型权系数为单位矩阵
(即,除对角线元素非零以外其他元素均为零),设置收端波束成型权系数为
(其中
为元素全1的方阵);天线索引管理器随机生成一组不重复的天线索引序列子集,
a
i∈{1,2,…,N
t}且a
i≠a
j,i≠j。将这一天线子集作为初始的已选天线子阵列
并初始化迭代更新控制器中的概率估计向量π=(ω
(0),1)
T。
b)进入迭代过程。将每个迭代过程分解为n
t个子迭代过程。在第k个子迭代中,将当前已选天线子集中的第k个元素用一个新的随机的天线索引替代,即获得一个仅有第k个元素与已选天线子集不同的新的天线子集
发射全1的训练序列并利用如下步骤计算每个天线子集
和
对应的目标函数:
c)一般的,假设此刻正在为天线子集ω估算目标函数。信源输入全1的训练序列信号并通过天线子集ω中的天线阵元发射,经过无线信道H
ω,后经收端波束成型权系数加权合并后可以得到对应于第k个发射天线的输出信号
其中h
k为第k个发射天线到接收天线阵列的无线信道;v(k)为加性高斯白噪声。
d)为了消除噪声的影响,独立的重复执行M次步骤a),得到y(m)(k),1≤k≤nt,1≤m≤M。并进一步的,得到
和目标函数的估计量
可以证明,在信道的直视路径较强且M→∞时估计量B是天线子阵列对应目标函数的估计量。值得注意的是,由于在每个子迭代中估算目标函数的两个天线子集只有一个天线元素不同,因此在估算过程中,只需在相同天线元素上发射一次训练序列即可。
1)在步骤2的每个子迭代中得到了两个天线子集的目标函数
和
接着要做两方面的工作。一方面检查目标函数较大的那个天线子集在概率估计向量中是否已有记录,如果没有记录则需要为其追加一条记录;另一方面,对当前的概率估计矢量中的每条记录做自适应滤波操作:
π(n+1)=[1-μ(n+1)]π(n)
π(n+1)(ω)=π(n+1)(ω)+μ(n+1)
式中,π(n)表示第n次迭代的概率矢量;π(n)(ω)表示天线子集ω在概率矢量中的
记录;μ(n)=1/n是自适应过程的遗忘因子,表示一次更新的强度。
选择和迭代更新过程。在每次迭代过程的最后,根据更新过后的概率估计矢量,从中选择一个概率估计值最大的天线子集作为本次迭代的天线选择结果。如果收敛条件满足则结束,否则将转入下一个迭代过程。
仿真结果:
在上述实例的实现中,使用如下参数设置:
·发射天线个数:Nt=32;发射端射频链路个数:nt=10
·接收天线个数:Nr=10;接收端射频链路个数:nr=10
·无线信道模型Rician K因子:K=10dB;
·接收端平均信噪比:10dB
·目标函数估算平滑次数:M=10
按照上述***参数进行100次独立的计算机仿真,并得到如图4所示的***工作的平均性能曲线。为了比较,也给出了传统迭代算法的性能。由于实例***的天线数目较多,无法使用穷举法获得理论的性能,因此在所有的搜索空间内,随机的选择1000个天线选择,并找出其中拥有最好和最差性能的结果作为理论性能,并与所提出的方法进行比较。
可以看出,本发明所采用的序贯随机优化算法的估计了盖尔圆盘的右边界的下届,其值略大于真实的目标函数,但总体的趋势是一致的。可以证明,随着M和K的增大,这一差距将会缩小。提出的算法收敛性能较传统的迭代算法好,只是由于后者在搜索空间巨大的情况下算法效率不高造成,而本发明所采用的序贯算法将每次的随机搜索限定在上一次的“附近”,有利于优良结果的保持。另外,本发明所采用的方法只需要少数的迭代,性能已经好于1000次随机选择中最好的,这也体现了所采用的方法具有较高的效率和渐进最优性。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施方式仅限于此,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单的推演或替换,都应当视为属于本发明由所提交的权利要求书确定专利保护范围。